anomalydetectionnode プロパティー

資料の英語版に戻る

最終更新: 2024年10月04日

anomalydetectionnode プロパティー

異常ノード・アイコン Anomaly ノードは、「正規」データのパターンに準拠しない異常なケース (外れ値) を識別します。このノードを使用すると、以前に認識されていたパターンに適合しない場合や、探しているものが正確にわからない場合でも、外れ値を識別することができます。

例

node = stream.create("anomalydetection", "My node")
node.setPropertyValue("anomaly_method", "PerRecords")
node.setPropertyValue("percent_records", 95)
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("peer_group_num_auto", True)
node.setPropertyValue("min_num_peer_groups", 3)
node.setPropertyValue("max_num_peer_groups", 10)

表 1. anomalydetectionnode プロパティー
`anomalydetectionnode` プロパティー	値	プロパティーの説明
`inputs`	[field1 ... fieldN]	異常値検査モデルは、指定の入力フィールドに基づいてレコードをスクリーニングします。ターゲット・フィールドは使用しません。重みフィールドおよび度数フィールドも使用しません。詳しくは、モデル作成ノードの共通プロパティーを参照してください。
`mode`	`Expert` `Simple`
`anomaly_method`	`IndexLevel` `PerRecords` `NumRecords`	レコードに異常としてフラグを設定するための、分割値を決めるのに使用される方法を指定します。
`index_level`	数値	異常としてフラグを設定するための最小分割値を指定します。
`percent_records`	数値	学習データ内のレコードの割合 (%) に基づいてレコードにフラグを設定するための、閾値を設定します。
`num_records`	数値	学習データ内のレコードの数に基づいてレコードにフラグを設定するための、閾値を設定します。
`num_fields`	整数	各異常レコードに報告するフィールド数。
`impute_missing_values`	フラグ
`adjustment_coeff`	数値	距離の計算時に連続型とカテゴリー・フィールド間に指定された関連の重みのバランスをとるために使用される値。
`peer_group_num_auto`	フラグ	ピア・グループ数を自動的に計算します。
`min_num_peer_groups`	整数	`peer_group_num_auto`が`True`に設定されている場合に使用されるピア・グループの最小数を指定します。
`max_num_per_groups`	整数	ピア・グループの最大数を指定します。
`num_peer_groups`	整数	`peer_group_num_auto`が`False`に設定されている場合に使用されるピア・グループの数を指定します。
`noise_level`	数値	クラスタリング中の外れ値の処理方法を決定します。 0 から 0.5 までの値を指定してください。
`noise_ratio`	数値	ノイズのバッファリングに使用されるコンポーネントに割り当てられる、メモリーの量を指定します。 0 から 0.5 までの値を指定してください。